تلفیق داده های لیدار و عکس رقومی هوایی به منظور افزایش دقت طبقه بندی

سال انتشار: 1386
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 162

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SEPEHR-16-63_003

تاریخ نمایه سازی: 21 اردیبهشت 1400

چکیده مقاله:

تشخیص و طبقه بندی عوارض روی تصاویر، به عنوان زیر بنای بسیاری از کاربردها از جمله تهیه مدل رقومی ارتفاعی زمین، شناسایی تغییرات، به روز رسانی نقشه ها و بسیاری موارد دیگر در علوم مهندسی ژئوماتیک مطرح بوده و در سالهای اخیر محققین سعی در بهبود دقت در انجام این روند داشته اند. شناخت عوارض و طبقه بندی تصویر، مجموعه پردازش ها و عملیاتی را گویند که منجر به شناسایی عوارض و نسبت دادن بر چسب به هر کدام از پیکسل های ورودی به عملیات طبقه بندی می شود. بر این مبنا، شناخت و تشخیص، با تکیه بر اختلافاتی که اشیا از لحاظ خصوصیات ثبت شده توسط سنجنده های مختلف با یکدیگر دارند، قابل انجام است. هر چه اطلاعات متنوع تری از عوارض موجود باشد نتایج با دقت و قابلیت اعتماد بالاتری حاصل می گردد. امروزه با پیشرفت تکنولوژی، انواع مختلفی از اطلاعات توسط سنجنده های مختلف در دسترس قرار گرفته است. اما هیچ کدام از این منابع داده تمام خصوصیات بافتی، هندسی و طیفی یک شی را به همراه ندارند. به همین خاطر تلفیق اطلاعات حاصل از سنجنده های مختلف به منظور کامل کردن فضای توصیف که منجر به استخراج دقیقتر عوارض می گردد، گریزناپذیر است. در این تحقیق، تلفیق اطلاعات عکس هوایی رقومی و داده های لیدار مورد ارزیابی قرار گرفته و نقش آن در افزایش دقت طبقه بندی با استفاده از یک مجموعه داده از منطقه ای در آلمان، مورد آزمایش قرار گرفت. نتایج نشان دهنده افزایش دقت طبقه بندی با استفاده همزمان از داده های عکس هوایی رقومی و لیدار می باشد .

نویسندگان

احمد جواهری

کارشناس ارشد فتوگرامتری

ابراهیم قلی پور

کارشناس نقشه برداری

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :